Skip to Main Content

      

Ansys博客

July 13, 2023

流体工程仿真实现18倍提速

业界对于更快速、更准确工程仿真的需求不断增长,从而推动了对支持高效处理复杂计算工作负载的尖端技术的需求。在一项突破性的合作中,Ansys携手AMD和亚马逊云科技(AWS)实现了出色的工程仿真性能提升。

近期一项题为“Ansys Fluent Amazon EC2实例 采用AMD EPYC™ 7003系列处理器”的研究展示了这一合作带来的巨大潜力,从而改变工程师使用Ansys Fluent执行计算流体动力学(CFD)仿真的方式。让我们深入了解这项研究的主要成果,并探索这项合作的优势。

Fluent car simulation

Ansys Fluent汽车仿真

采用AMD EPYC™处理器的Ansys Fluent可实现增强的性能

CFD仿真在很大程度上依赖于底层硬件基础架构的性能和效率。这些处理器具有高内核计数、海量内存带宽和出色的浮点性能,堪称流体动力学仿真等计算密集型任务的理想之选。基准测试结果表明,在由AWS提供支持的Ansys Gateway上使用AMD EPYC™处理器时,性能得到了显著提升,从而缩短了仿真周转时间,并提高了工程师的工作效率,以便更快地制定设计决策。通过利用AMD EPYC™处理器的固有功能,工程师可以体验到Fluent仿真的显著提速。

改进可扩展性和成本效益

可扩展性是工程仿真的一个重要方面,尤其是在处理大型复杂模型时。该研究重点介绍了AMD EPYC™处理器与Amazon EC2实例的结合所带来的可扩展性优势。由于最多能够扩展到数千个内核,工程师可以处理之前被认为不可能实现或极为耗时的仿真。此外,AMD、Ansys和AWS之间的协作可提供一种经济高效的解决方案,工程师只需按所需计算资源付费即可,从而在保持高性能仿真的同时优化预算。

轻松迁移至AWS

该研究重点介绍了从本地部署或其它云环境到AWS的无缝迁移过程。使用Fluent的工程师可以轻松地将其仿真转换到采用AMD EPYC™处理器的AWS HPC实例中,而无需进行大量代码修改或重新配置。这种简便性可确保仿真工作负载的平稳高效传输,使工程师能够立即从这种强大协作的增强性能和可扩展性中大获裨益。

简化工作流程并提高生产效率

AMD、Ansys和AWS之间的协作不仅可提高性能,而且能够简化整个仿真工作流程,从而提高生产力。借助AWS提供的强大、可扩展的云基础架构,工程师可以按需访问所需的计算资源,无需进行成本高昂的本地硬件投资和维护。在由AWS提供支持的Ansys Gateway上可轻松配置Amazon EC2实例,并易于管理仿真作业,这使得工程师能够将更多精力放在仿真上,并减少对基础架构管理的投入。

结果如何? 

性能简介显示了在采用AMD EPYC 7003系列处理器的Amazon EC2 Hpc6a实例上,Ansys Fluent 2023 R1在由AWS提供支持的Ansys Gateway上运行的基准测试,如图1和图2所示。每个实例包括96个禁用了AMD同步多线程(SMT)的物理内核和一个用于快速节点间通信的100 Gbps联网Elastic Fabric Adapter,支持从1个实例扩展到16个实例。

对于较大的模型,Ansys Fluent在16个实例(1536个内核)上的平均速度均提高了约17.73倍,通常表现出超线性扩展。对于Open Racecar 280M模型,16个实例(1536个内核)上的平均速度提升大约是2个实例的7.87倍,这几乎是理想的(线性)扩展。1

Fluent multi-node scaling

基于各种Ansys基准进行Ansys Fluent多节点扩展

此项研究展示了Ansys、AMD和AWS三方协作所带来的巨大优势,助力在由AWS提供支持的Ansys Gateway上使用Fluent进行更快速的工程仿真。通过利用AMD EPYC™处理器的高性能计算功能和Amazon EC2实例的可扩展性,工程师可以实现更短的仿真周转时间、提高可扩展性并优化成本效益。这种强大的协作为工程师解决复杂仿真问题、更快地制定设计决策以及推动行业创新奠定了坚实基础。

想要了解更多信息?阅读完整的基准测试。如果您希望进行试用,请联系我们

参考资料:

  1. 3rd Gen AMD EPYC™ processors deliver outstanding scale-out performance running Ansys® Fluent® on Amazon Web Services Hpc6a instances.